至顶网CIO与应用频道 09月17日 编译:大多数区块链技术公司在开始建立自己的品牌时都遇到同样的问题,即如何在危险的激进、过于传统和脱节之间找到自己的位置。
铁杆区块链公司从公司结构到品牌材料都严格遵从分散式架构原理,这往往会让潜在的业务合作伙伴感觉太新及风险太大。
而另一方面,一些正在建立区块链解决方案的老牌公司则倾向于坚持传统的营销手法。这些公司做的是创建产品,然后派出一个600人的销售团队,推出由公司托管和控制的解决方案。
这两种策略对于那些不仅仅是炒作而是寻求区块链解决方案的公司而言均无特别吸引人的地方。这些公司想要一些革命性的东西,一些能确实改变公司业务运作的基本方式。
如果想在区块链领域成功建立一个声誉良好的品牌,就必须在激进、传统和脱节之间找到平衡点。不能走得太远,但又不能仅仅是对过去的延续。
1. 要将众人聚集在一个共同理念的周围
区块链不是一个网站、应用程序或库存软件,不是单个公司用来满足某个特定业务需求的东西。区块链是一个多个公司的多方工具,各公司用其来互相交流和交易。
这意味着传统的企业销售方法是行不通的。诸如广发电子邮件或增长营销等典型的B2B外展手法不适合区块链技术。
任何区块链解决方案的目标都是要创建一个网络。开发人员必须将众人聚集在共同的想法、信念、问题和解决方案的周围。
区块链公司希望坚持区块链技术的分散性,其理想战略就是创建一个以理念为支柱的生态系统。这不仅仅事关几家公司用上区块链,而是事关这些公司能真正支持区块链的网络,并不是所谓区块链即服务那么简单,即服务不是真正的分散性系统。
建立一个强大品牌的关键是找到能将所有人聚集在一起的共同理念,然后与客户分享
2. 要与大众分享并激励他们去了解使用区块链能取得的成就
如果是真正地坚持区块链精神,那么区块链品牌实际上并不是事关区块链公司,而是事关客户。
品牌区块链公司必须就正在做的事情与客户沟通,并帮助客户了解区块链技术以及他们可以如何用区块链技术实现自己的目标。区块链公司此时的工作是鼓励大众与他们行业中的其他公司(甚至是竞争对手) 走到一起,能确信区块链公司提出的想法确实能够解决每个人都会遇到的重大问题或挑战。
例如,牛仔布行业是世界上对水的污染最严重的行业之一。这是一个大问题,还好该行业也确实认识到了问题的严重性。他们也不想这样做,行业的一些公司已经开始朝着可持续发展的方向迈进。
行业的公司现在已经准备好就此问题走到一起及找到一个解决方案。
笔者想提出的重点是,行业的形成并不是从指数增值用例开始,而是从痛点、一个规则或挑战开始的。这才是将他们聚集在一起的原因。因此,区块链公司必须围绕网络、工具和解决方案建立自己的品牌,要帮助行业的客户实现他们的目标。一旦他们用上了同一个网络,更多的好处就在产生。
时下应该让大众了解区块链技术的实用性,要让他们看到区块链技术带来的好处,这是建立品牌的另一个基石。
3. 将区块链技术品牌与解决方案分开
许多品牌公司希望自己的名字出现在公司所做的所有产品上。这是品牌公司打响名号的手段,目的是让大众知道自己用的品牌是由某个品牌公司制造的。
但对于区块链公司而言,价值所在不一定来自名号,价值所在是区块链公司创建的网络。
区块链网络是一些生态系统,这些网络聚焦特定的空间或行业,并拥有自己的品牌以配合特定的专业化方向。要将区块链公司品牌与生态系统品牌分开的话,必须找业内人士去完成设定生态系统应该是什么样子以及应该如何运作的任务。
要找行内的优秀人士,找那些真正愿意在整个行业推动区块链技术的人。要找的人不是那些向别人兜售自己东西的人。而是要找那些希望掌握区块链流程所有权的人。他们是自己行业的佼佼者。他们在行业里长期里摸爬滚打,对行业有非常透彻的了解,他们希望在行业里推广实现自己所看到的区块链解决方案的好处。
目标是为这些区块链拥护者提供支持和技术,让他们建立自己的生态系统,同时还让他们拥有自己实体的所有权。
区块链公司的营销策略实际上必须将重点放在生态系统及其潜力上而不是放在某个品牌上。这与传统企业不一样,传统企业的品牌名称始终与解决方案关联在一起。
此为区块链公司品牌的核心,要记住,区块链是一个新东西,有别于其他传统的东西。区块链公司必须放开心态,要向客户推广区块链知识,要获得成功就不能指靠传统手法。
好文章,需要你的鼓励
树莓派基金会调查发现,尽管60%的家长认为编程是孩子的重要技能,但超过70%的家长表示孩子在正常课程中没有学习编程。该基金会CEO指出,随着AI技术快速发展,年轻人掌握技术理解和创造能力比以往更重要。超半数家长认为编程应成为必修课程,并相信学习编程能提升孩子未来职业前景。为填补学校教育空白,基金会呼吁在学校和图书馆广泛设立编程俱乐部,目标到2035年全球教授1000万儿童编程技能。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
文章介绍了AI大语言模型中最新的深度研究功能,这是目前最令人印象深刻的新功能之一。作者详细解析了ChatGPT、Claude和Gemini等主流模型的使用方法,并重点展示了深度研究功能的实际应用。通过实际测试,作者用ChatGPT 4.5的深度研究功能生成了一份关于1990-2025年最令人厌烦歌曲的详细报告,展示了AI如何通过思维链进行深度研究和分析。文章还提到了语音交互模式将进一步改变用户与AI的交互体验。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。